检索结果-内蒙古大学图书馆

现代电子技术 2016年第19期39卷 71-75页

作者：高华大连艺术学院辽宁大连116600

随着计算机技术和互联网的迅猛发展,对海量日志进行分析并进行入侵检测就成为重要的研究问题。针对这一现象,提出在Hadoop平台下利用并行化的数据挖掘算法对海量的日志信息进行分析从而进行入侵检测,然后利用搭建好的Hadoop集群环境对... 详细信息

随着计算机技术和互联网的迅猛发展,对海量日志进行分析并进行入侵检测就成为重要的研究问题。针对这一现象,提出在Hadoop平台下利用并行化的数据挖掘算法对海量的日志信息进行分析从而进行入侵检测,然后利用搭建好的Hadoop集群环境对其进行验证,对不同大小的日志文件进行处理,并与单机环境下对比,证明在该平台下进行入侵检测的有效性和高效性,同时实验证明如果增大集群中的节点数目,执行效率也会相应的提高。

关键词： Hadoop 日志信息分析入侵检测并行化算法

来源：评论

学校读者我要写书评

暂无评论

一种并行化算法在Coq中的实现及其正确性描述

引用

电子技术（上海） 2015年第9期42卷 86-91页

作者：孟建超中国科学技术大学计算机科学与技术学院

近年来,计算机处理器开始向多核化发展,单个核芯的主频提升速度变慢,但很多传统的软件和算法都是串行的,无法从核的增多上获得性能提升,因此急需并行化编译技术。虽然研究人员提出了多种并行化算法,适用于不同的情况,但是对这些并行化... 详细信息

近年来,计算机处理器开始向多核化发展,单个核芯的主频提升速度变慢,但很多传统的软件和算法都是串行的,无法从核的增多上获得性能提升,因此急需并行化编译技术。虽然研究人员提出了多种并行化算法,适用于不同的情况,但是对这些并行化算法的正确性并没有给出形式化的证明。本文着眼于并行化算法的正确性研究,在Coq中定义了一种简单的类汇编的语言,并在此基础上实现了一种类似于解耦软件流水线(DSWP)的并行化算法,形式化地定义了算法的正确性,以及算法实现过程各个中间过程的正确性,并完成了各个中间过程正确性到算法最终正确性的证明,为最终完全形式化地证明该并行化算法提供帮助。

关键词：并行化算法正确性形式化证明解耦软件流水线软件安全

来源：评论

学校读者我要写书评

暂无评论

多核集群上的磁流体数值模拟并行化算法

多核集群上的磁流体数值模拟并行化算法

引用

2014全国高性能计算学术年会

作者：张纪林李芳芳万健毛洁杭州电子科技大学计算机学院浙江杭州 310018 复杂系统建模与仿真教育部重点实验室教育部浙江省网络媒体云处理与分析工程技术研究中心浙江杭州 310018 杭州电子科技大学机械工程学院浙江杭州 310018

磁流体力学数值模拟算法是受控热核反应和天体物理学研究领域的重要算法之一,然而,该模拟过程耗时且复杂,在此,本文提出了一类高效的面向多核集群的磁流体三维数值模拟并行化算法MHD_3DNSPA(MHD3D numerical simulation parallel algort... 详细信息

磁流体力学数值模拟算法是受控热核反应和天体物理学研究领域的重要算法之一,然而,该模拟过程耗时且复杂,在此,本文提出了一类高效的面向多核集群的磁流体三维数值模拟并行化算法MHD_3DNSPA(MHD3D numerical simulation parallel algorthm).首先,实现了MPI并行数值模拟算法,其次,利用多核集群的分布式共享内存模型,实现了基于MPI+OpenMP的磁流体数值模拟混合并行化算法MHD_3DNSPA.最后,在联想大规模集群深腾7000上,对MPI并行化算法与混合并行化算法的效率进行验证和分析,结果表明,在多核集群上,充分利用分布式和共享式混合架构特点,能进一步提升算法整体性能,且性能提升与问题规模和并行粒度密切相关,与串行算法相比,MPI并行化算法的计算效率提升了53.94％,MHD_3DNSPA计算效率提升了61.5％.

关键词：磁流体力学多核集群数值模拟并行化算法计算效率

来源：评论

学校读者我要写书评

暂无评论

面向流数据的决策树分类算法并行化

引用

计算机研究与发展 2017年第9期54卷 1945-1957页

作者：季一木张永潘郎贤波张殿超王汝传南京邮电大学计算机学院南京210023 江苏省无线传感网高技术研究重点实验室(南京邮电大学) 南京210023 南京邮电大学先进技术研究院南京210023 高维信息智能感知与系统教育部重点实验室(南京理工大学) 南京210094

随着云计算、物联网等技术的兴起,流数据作为一种新型的大数据形态广泛存在于电信、互联网、金融等领域.与传统静态数据相比,大数据环境下的流数据具有快速、连续和随时间变化等特点.同时数据流的隐含分布变化会带来概念漂移问题.为了... 详细信息

随着云计算、物联网等技术的兴起,流数据作为一种新型的大数据形态广泛存在于电信、互联网、金融等领域.与传统静态数据相比,大数据环境下的流数据具有快速、连续和随时间变化等特点.同时数据流的隐含分布变化会带来概念漂移问题.为了适应大数据环境下流数据分类算法的要求,必须对传统的静态离线数据分类算法进行改进,提出基于分布式计算平台Storm的P-HT并行化算法.算法在满足Storm流处理平台要求基础上,通过滑动窗口机制、替代子树机制和并行化处理,提高了算法的灵活性和通用性,并且能良好地适应数据流的概念漂移.最后通过实验验证该算法的有效性和高效性,结果表明在与传统C4.5算法相比精度没有降低的情况下,改进的P-HT算法具有更大的吞吐量和更快的处理速度.

关键词：流数据分类算法 Storm平台滑动窗口 C4.5算法并行化算法

来源：评论

学校读者我要写书评

暂无评论

并行化碰撞检测算法综述

引用

系统仿真学报 2017年第11期29卷 2601-2607,2617页

作者：刘复昌王双建潘志庚王金荣杭州师范大学数字媒体与人机交互研究中心浙江杭州310012

随着不同应用领域对实时碰撞检测算法需求的增长,利用多核CPU和GPU的并行处理能力来提高碰撞检测算法的处理速度已经得到了广泛的关注。文中回顾了碰撞检测算法的发展历史并从多个角度对目前现有的算法进行了分类归纳;介绍了十余种代表... 详细信息

随着不同应用领域对实时碰撞检测算法需求的增长,利用多核CPU和GPU的并行处理能力来提高碰撞检测算法的处理速度已经得到了广泛的关注。文中回顾了碰撞检测算法的发展历史并从多个角度对目前现有的算法进行了分类归纳;介绍了十余种代表性的基于CPU和GPU并行化碰撞检测算法,并从算法的可扩展性和存储空间消耗以及任务量均衡化等方面分析了这些算法的优缺点。最后总结了并行化碰撞检测算法研究中存在的问题和新的发展方向以及常用的实验测试数据。

关键词：碰撞检测综述 GPU 并行化算法

来源：评论

学校读者我要写书评

暂无评论

基于Spark的并行化社区发现算法的研究

基于Spark的并行化社区发现算法的研究

引用

作者：刘东江中国科学院大学

学位级别：博士

近些年，随着互联网的快速发展，许多领域都积累了规模十分庞大的图数据，因此大规模图数据的可视化成为可视化领域的一个新挑战。可以发现基于图聚类的可视化方法非常适合被应用于大规模图数据之中，在采用该方法进行可视化时，所选择... 详细信息

近些年，随着互联网的快速发展，许多领域都积累了规模十分庞大的图数据，因此大规模图数据的可视化成为可视化领域的一个新挑战。可以发现基于图聚类的可视化方法非常适合被应用于大规模图数据之中，在采用该方法进行可视化时，所选择的社区发现算法应当适用于特定的场景。其中有的场景对算法的运行速度要求比较高，例如当图数据更新速度比较快时，就要求算法运行速度要快;有的场景对算法的聚类效果要求比较高，例如当用户对图数据特定顶点的详细信息比较关注时，为了使得用户能够准确的找到顶点，所采用的社区发现算法应当具有比较好的聚类效果;而有的场景对算法的运行速度和聚类效果均有一定的要求。于是针对不同的场景应当采用不同的社区发现算法来对顶点进行聚类，可以发现基于分布式系统的并行化社区发现算法是对大规模图数据进行聚类的一种非常好的方式，但是由于目前已经提出的并行化社区发现算法相对比较少，因此本文基于以上描述的三个场景提出了三个并行化的社区发现算法，此外还提出了一些对算法运行效率进行优化的策略并将这些策略应用在所提出的并行化社区发现算法之中，本文的主要贡献如下:　　(1)提出了一种图数据过滤算法以及一种对Spark的top操作进行优化的方法。由于本文提出的图数据过滤方法会将图数据中所有度为1的顶点全部过滤掉，因此可以有效减少图数据的数据量，从而节省算法运行的时间与空间，此外作者还对该方法的可行性进行了证明。之后，本文提出了一种对top操作进行优化的方法。该方法的所有任务都是基于Spark提供的转换操作来完成的，由于转换操作不需要对数据进行集中，因此利用该类操作实现top操作的功能可以避免内存溢出问题的发生。以上描述的两个方法被应用于本文提出的三个并行化算法之中。　　(2)提出了一种基于谱的并行化社区发现算法以及一种基于贪心技术的并行化社区发现算法。基于谱的并行化社区发现算法是利用层次聚类的方式来完成顶点聚类的，由于传统层次聚类算法的速度比较慢，因此本文提出了一种改进层次聚类算法并将其应用在基于谱的并行化社区发现算法之中。改进层次聚类算法在聚类时只计算每一对相互连接顶点之间的相似度并找到相似度最大的若干对顶点来进行聚合，在聚合时该算法会将每个连通子图的所有顶点划分到同一个簇。由于该算法会将图数据的所有顶点映射到更高维的空间之中，因此顶点之间的区分度会更加的明显，所以该算法适合被应用在对聚类效果要求比较高的情况下。另外，由于基于贪心技术的并行化社区发现算法也是利用层次聚类来完成聚类任务的，因此该算法同样采用了本文提出的改进层次聚类算法来完成顶点聚类。基于贪心技术的并行化社区发现算法比较适合被应用于对运行速度和聚类效果都有一定要求的场景之中。　　(3)提出了一种基于极值优化的并行化社区发现算法，该算法是在基于极值优化的串行社区发现算法的基础上设计而成的。由于串行算法在对顶点的簇进行调整时每次只选择一个顶点，因此算法的运行效率会受到影响。针对这个问题本文提出了一种顶点选择方法并将其应用于并行化社区发现算法之中，该方法会计算一个阈值并基于阈值对图数据的顶点进行过滤，之后从所有剩余的顶点中发现若干个需要被调整的顶点。利用该方法可以获取比较合适的多个顶点来进行调整，这样就可以使得并行化算法的运行效率获得提高。由于该算法的运行时间与图数据的数据量关系不是特别密切，因此当数据量增加时算法运行时间的增加幅度相对较小，所以该算法适合被应用于对运行速度要求比较高的场景之中。　　作者基于WDCM数据集和YAGO数据集对本文提出的三个并行化算法的运行时间以及聚类效果进行了测试，并对测试结果进行了分析与比较。之后，作者还对本文提出的算法和其他文献中提出的基于Spark的并行化社区发现算法进行了比较。可以发现提出的三个算法均有各自的优势，适合被应用于不同的场景之中。

关键词：图数据挖掘社区发现计算引擎并行化算法

来源：评论

学校读者我要写书评

暂无评论

FPGA时序驱动布线算法并行化研究

FPGA时序驱动布线算法并行化研究

引用

作者：于梦薇中国科学院大学

学位级别：硕士

第一片可编程逻辑器件研发于1984年，随后，现场可编程门阵列(FPGA)在消费、工业、医用、军用、无线与固网等方向非常普及，具有低功耗、高能效、可编程性、面市速度快和成本低等优势。\n 随着市场需求增长，FPGA器件尺寸不断增大，... 详细信息

第一片可编程逻辑器件研发于1984年，随后，现场可编程门阵列(FPGA)在消费、工业、医用、军用、无线与固网等方向非常普及，具有低功耗、高能效、可编程性、面市速度快和成本低等优势。\n 随着市场需求增长，FPGA器件尺寸不断增大，计算机辅助设计(CAD)工具运行时间成为突出的问题。布线是FPGA的CAD工具中所占运行时间比例最高的阶段。由于FPGA上晶体管数量呈指数增长，提高布线算法性能很有必要。并行布线是一种能够提高布线效率的方式。\n 本文提出一种减少FPGA时序驱动布线算法运行时间的多线程方法。本文中的布线算法是基于通用布局布线工具(VPR)程序中的传统时序驱动布线算法并行化而成。时序驱动布线算法能有效减少关键路径延时，提高电路性能。\n 该算法首先将信号按照线网的扇出数量进行排序，再将排序后的线网均匀分配到各个线程中，最后再并发执行所有的线程。为了减少通信，可以将信号线分成独立的组。主线程创造各子线程，子线程采用共享存储的方式通信，在布线前使用路障同步。每个线程对自己的一组线网进行布线，子线程的数据结构除了相关联的拥塞信息外相互独立。多线程部分是用可移植操作系统接口(POSIX)线程库实现的。\n 在布线质量没有受到显著影响的前提下，即线长增加2.58％、关键路径延时增加1.78％的情况下，相对于传统时序驱动布线算法，8线程下的加速比为2.46。实验结果显示，布通率与串行布线器相同，且布线质量没有受到显著影响。

关键词：现场可编程门阵列时序驱动布线并行化算法计算机辅助设计

来源：评论

学校读者我要写书评

暂无评论

蒙特卡洛多目标跟踪算法的并行化设计与实现

蒙特卡洛多目标跟踪算法的并行化设计与实现

引用

作者：苏文西安电子科技大学

学位级别：硕士

随着计算机视觉技术的快速发展,在智能视频监控、人机交互、视觉导航等诸多应用领域中,视频目标跟踪技术已经得到了国内外学者的广泛关注。根据视频中运动目标个数的不同,目标跟踪可以分为单目标跟踪与多目标跟踪,多目标跟踪需要在跟踪... 详细信息

随着计算机视觉技术的快速发展,在智能视频监控、人机交互、视觉导航等诸多应用领域中,视频目标跟踪技术已经得到了国内外学者的广泛关注。根据视频中运动目标个数的不同,目标跟踪可以分为单目标跟踪与多目标跟踪,多目标跟踪需要在跟踪过程中预测、修正多个目标的位置以及运动轨迹,具有更高的挑战性以及计算复杂度,设计一种兼顾稳定性与实时性的跟踪算法仍然是一个热点与难点问题。通用并行计算图形处理器已经成为当前主流计算机的基本配置,利用GPU的计算能力来提高算法的计算效率已经成为一个必然趋势。传统的多目标跟踪算法一般都是串行计算的,算法在设计时并没有考虑到GPU的使用,算法的实现没有充分利用计算资源。本文以静态背景的视频序列为研究对象,以基于CPU-GPU的异构计算机系统为硬件基础,对MCMC算法的并行化进行研究。本文分析了GPU的基本架构,对CUDA指令系统的基本概念进行了讨论,之后介绍了并行程序的设计流程以及编程方法,紧接着讨论了几种贝叶斯跟踪模型的基本实现方法,给出了贝叶斯跟踪模型在多目标问题中的扩展,重点研究了MCMC多目标跟踪算法,讨论了算法实现的关键问题以及技术难点。在并行化目标检测部分,讨论了静态背景下运动目标检测的基本原理,通过实验对并行化的混合高斯模型背景减除法进行了对比分析。为了满足多目标跟踪部分的模拟采样需求,本文对检测算法进行扩展,在并行化混合高斯背景减除算法中加入置信图生成部分,利用运动目标的综合置信强度以及强度扩散函数,计算区域内像素点的置信值,为跟踪器提供更丰富的检测信息。在多目标跟踪算法的并行化部分,针对MCMC算法中目标状态采样的耗时问题,本文通过研究IP-MCMC算法与并行回火算法的基本原理,提出了一种基于GPU的多链蒙特卡洛优化算法。该算法在GPU的多个线程块上同时构造多条采样链,首先利用并行回火原理得到稳定分布的初始采样点,之后通过执行多链MCMC算法得到采样结果,进而完成对多目标状态的后验估计。实验结果表明该方法能够充分利用GPU的并行计算能力,减少多目标状态的采样时间,提高了算法的计算效率。本文提出的并行化改进方法对研究实时性的视频多目标跟踪算法具有一定的理论价值,但是由于在目标采样阶段引入了并行化改进,算法的鲁棒性受到一定限制,还无法满足实际工程的应用需求。如何在保证计算效率的基础上,进一步提高多目标跟踪算法的准确性与鲁棒性是未来工作中需要解决的问题。

关键词：视频多目标跟踪 GPU 置信图 IP-MCMC 并行化算法

来源：评论

学校读者我要写书评

暂无评论

基于GPU的并行化VI-SLAM算法研究及实现

基于GPU的并行化VI-SLAM算法研究及实现

引用

作者：徐建立广西大学

学位级别：硕士

目前,移动机器人和无人机等智能化设备的应用越来越广泛,所涉及的SLAM（Simultaneous Localization and Mapping）算法是机器人或无人机定位与导航的重要理论与技术支撑,其可以在未知的环境中,利用相机、激光雷达、IMU（Inertial Measur... 详细信息

目前,移动机器人和无人机等智能化设备的应用越来越广泛,所涉及的SLAM（Simultaneous Localization and Mapping）算法是机器人或无人机定位与导航的重要理论与技术支撑,其可以在未知的环境中,利用相机、激光雷达、IMU（Inertial Measurement Unit）等传感器感知周围环境信息并计算载体相对于周围环境的位置和姿态,创建环境地图。其中VI-SLAM（VisualInertial Simultaneous Localization and Mapping）算法使用相机和IMU这两种传感器感知周围环境信息,由于两种传感器的互补作用,VI-SLAM算法具有精度较高且鲁棒性较好的优点。但是,VI-SLAM算法涉及的计算复杂,对硬件的算力要求较高,传统的VI-SLAM算法在桌面级设备上运行良好,在嵌入式设备运行时往往会失去实时性,对于采用嵌入式设备作为控制单元的无人机和机器人而言,研究提高VI-SLAM算法在嵌入式设备上的可移植性的方法具有重要意义。某些嵌入式设备上搭载了GPU模块,借助GPU的并行计算能力可以有效提高这类嵌入式设备的算力,降低设备上CPU的计算负担,使得在这类设备上实时地运行VI-SLAM算法成为可能。本文提出了一种基于GPU的VI-SLAM算法并行化方案,基于GPU并行计算技术,对开源算法VINSMono（Monocular Visual Inertial System）进行改进。首先,将VINS-Mono的后端非线性最小二乘优化模块进行并行化。求解非线性最小二乘优化问题时,针对正规方程的求解和构造比较耗时的问题,本文基于GPU并行计算技术实现了正规方程的并行构造,并且,基于并行的Cholesky矩阵分解算法,实现对正规方程的并行求解。其次,VINS-Mono中为了控制后端优化算法的计算复杂度,在引入新的待优化状态量时,基于舒尔补理论对非线性优化问题中老的状态量进行边缘化。在这个过程中会涉及矩阵的加减和相乘运算,本文基于GPU并行计算技术实现这些运算的并行化。此外,边缘化过程中需要求解矩阵的广义逆,本文基于并行的SVD（Singular Value Decomposition）算法首先对矩阵进行分解,再在分解所得的两个酉矩阵和一个对角矩阵上进行矩阵广义逆的计算,从而实现VINS-Mono算法中边缘化过程的并行化。最后,对于VINS-Mono中涉及的Harris角点检测提取算法、FAST（Features From Accelerated Segment Test）角点检测算法、LK（Lucas-Kanade）光流跟踪算法和BRIEF（Binary Robust Independent Elementary Features）描述子的计算及匹配算法,本文研究了其算法特点,并将VINS-Mono中的这些算法程序移植到GPU端运行,实现VINS-Mono算法中图像特征点提取和检测运算基于GPU的并行化。在嵌入式设备Jetson TX2上的试验表明,本文所提方案能够在CPU和GPU组成的异构计算模型上良好运行,与VINS-Mono相比,正规方程的构造和求解速度持平,光流跟踪和边缘化速度得到明显提升。和其它基于GPU的并行化SLAM算法相比,本文所提方案的并行化程度更高,能够充分挖掘设备上GPU的并行计算能力,使嵌入式设备上的硬件计算资源分配更加合理。

关键词： VI-SLAM 并行化算法 GPU CUDA 非线性优化

来源：评论

学校读者我要写书评

暂无评论

ARL中Gridding算法的并行化实现

引用

轻工学报 2019年第2期34卷 82-87页

作者：吴怀广刘琳琳石永生李代祎谢鹏杰郑州轻工业大学计算机与通信工程学院

针对海量天文数据实时性处理效率低的问题,通过对SKA图像采集及成像ARL算法库中耗时较长的Gridding算法进行耗时分析,找出了该算法中调用频率高且运行时间长的两个函数convolutional-grid和convolutional-degrid,利用GPU的多线程并行化... 详细信息

针对海量天文数据实时性处理效率低的问题,通过对SKA图像采集及成像ARL算法库中耗时较长的Gridding算法进行耗时分析,找出了该算法中调用频率高且运行时间长的两个函数convolutional-grid和convolutional-degrid,利用GPU的多线程并行化处理降低两个函数的循环迭代,实现了Gridding算法在GPU和CPU上的协同运行.验证实验结果表明,在相同的数据量下,改进后的Gridding算法运行时间大大缩短,特别是在处理海量数据时,有效提高了ARL的整体运行效率.

关键词： ARL 并行化算法 Gridding算法 CUDA

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：